为解决兴趣点（POI）推荐不准确和效率低的问题，深入分析社交因素和地理位置因素的影响，提出了一种融合地点影响力的POI推荐算法。首先，为了解决签到数据稀疏的问题，将2-度好友引入协同过滤算法中构建了社交影响模型，通过计算经历和好友相似度获取2-度好友对用户的社交影响；其次，深入考虑地理位置因素对POI推荐影响，在对社交网络分析的基础上构造了地点影响力模型，通过PageRank算法发现用户影响力，结合POI被签到次数计算地点影响力，获取准确的整体位置偏好，并使用核密度估计方法对用户签到行为建模和获取个性化地理位置特征；最后，融合社交模型和地理位置模型提高推荐准确性，并通过构造POI推荐候选集来提高推荐效率。在Gowalla和Yelp签到数据集上实验，结果表明所提算法能够快速完成POI推荐，在准确率和召回率指标上明显优于融合时间因素的位置推荐（LRT）和融合地理社交因素的个性化位置推荐（iGSLR）算法。

针对基于边缘方向自相关图的图像检索算法的优缺点，提出了一种基于边缘方向直方图相关性匹配的图像检索算法。使用自适应中值滤波器滤除图像中的椒盐噪声。利用Sobel算子提取图像边缘，通过计算边缘梯度幅值、角度统计后得边缘方向直方图，并对直方图进行等级化排列构成特征向量。最后使用斯皮尔曼等级相关计算图像特征向量间的相关系数作为衡量图像间相似性的指标。实验结果表明：该算法的平均查准率、查全率较基于边缘方向自相关图算法分别提升10.5%，9.7%，平均检索耗时减少了7.5%。实验验证了算法的有效性，可将算法应用到中大规模图像检索系统中以提升检索效果，提高系统速度。

为了提高运动估计的搜索精度,提出了一种方向自适应采样搜索的运动估计算法。先利用搜索模板中块匹配误差的信息,自适应地采用两种三角搜索模板交替搜索,再针对大运动矢量的搜索,引入局部采样搜索策略。搜索过程中引入提前终止策略,提高了搜索速度。实验结果表明,在保证搜索速度的前提下,其峰值信噪比(PSNR)比全搜索算法平均降低了0.28dB,提高了搜索精度。

研究了以互信息为相似性测度的医学图像配准方法，在互信息计算过程中，对图像数据的采样提出了一种基于信息熵的采样方法。这种方法是将图像分成一定数量的小方块，计算每一小方块的熵，根据熵值的大小对方块进行分类，不同的类设置不同的采样因子:熵值大的方块对应的采样因子大，熵值小的方块对应的采样因子小。通过实验证明，该方法能够折中配准的精度和速度，适用于医学图像配准的实时处理。